Opracowanie i walidacja wyniku napędzanego uczeniem maszynowym do przewidywania przydatności diagnostycznej biopsji endomiokardialnej

Dlaczego to ma znaczenie dla osób z niewydolnością serca

Gdy lekarze nie są w stanie ustalić przyczyny niewydolności serca, czasem pobierają drobne fragmenty tkanki serca w zabiegu zwanym biopsją. Badanie to może ujawnić ukryte choroby wymagające specjalnego leczenia, ale jest inwazyjne, niesie ze sobą pewne ryzyko i często nie dostarcza jednoznacznej odpowiedzi. W tym badaniu postawiono proste, skoncentrowane na pacjencie pytanie: czy informacje z badań obrazowych i badań krwi można połączyć w inteligentny wynik, który uprzednio powie lekarzom, czy biopsja serca prawdopodobnie będzie naprawdę pomocna?

Bliższe spojrzenie na ryzykowne badanie serca

Biopsja endomiokardialna, w której przez żyłę wprowadza się małe narzędzie do serca, by odciąć próbki tkanki, od dawna stanowi ostateczny krok, gdy przyczyna niewydolności serca pozostaje zagadką. Jednak w codziennej praktyce większość takich biopsji nie wykrywa konkretnej choroby. W badaniu zanalizowano 775 osób z niewyjaśnioną niewydolnością serca leczonych w szpitalu w Szwecji. Wszyscy przeszli biopsję w ramach diagnostyki. Tylko około jedna na pięć biopsji (19,9%) dała pewne rozpoznanie, najczęściej chorobę polegającą na odkładaniu białka, zwaną amyloidozą serca. Druga, niezależna grupa 171 pacjentów z włoskiego szpitala została później użyta do przetestowania wiarygodności wyników.

Przekształcanie obrazów i badań krwi w wynik predykcyjny

Zespół zgromadził szeroki zakres rutynowo zbieranych przed biopsją informacji: echokardiografię, skany rezonansu magnetycznego serca, ciśnienie krwi, funkcję nerek, zapis rytmu serca oraz markery krwi świadczące o przeciążeniu serca. Następnie porównano kilka metod uczenia maszynowego, aby sprawdzić, która najlepiej odróżnia pacjentów, u których biopsja będzie diagnostyczna, od tych, u których będzie niejednoznaczna. Najlepiej wypadła metoda zwana random forests. Na jej podstawie badacze wyodrębnili prosty wynik w skali 0–100 oparty na zaledwie dziewięciu czynnikach, z szczególnym uwzględnieniem wzorców bliznowatych w rezonansie serca oraz dwóch parametrów krwi: hormonu niewydolności serca (NT-proBNP) i wskaźnika przesączania nerkowego.

Co ujawnia badanie serca

Cechą rezonansu, która miała największe znaczenie, było „późne wzmocnienie gadolinem” — jasne obszary oznaczające chorą tkankę serca — szczególnie gdy występowały po prawej stronie serca, na dolnej i bocznej ścianie głównej komory wyrzucającej oraz w górnych jamach serca. Osoby z tymi wzorcami, wraz z wysokim poziomem NT-proBNP i gorszą funkcją nerek, miały znacznie większe szanse, że biopsja ujawni konkretną chorobę. Natomiast jasne obszary ograniczone do przedniej ściany serca wiązały się z mniejszym prawdopodobieństwem istotnej biopsji. Testując wynik, wyraźnie odróżniał on biopsje o wysokiej i niskiej przydatności: miara dokładności, zwana polem pod krzywą, wynosiła około 0,9 zarówno w grupie pierwotnej, jak i zewnętrznej, co uznaje się za doskonały wynik.

Pomoc w decyzji, kto naprawdę potrzebuje biopsji

Aby uczynić wynik użytecznym przy łóżku pacjenta, autorzy sprawdzili, jak będą się zachowywać różne progi. Wynik 60 lub wyższy wyodrębniał mniejszą grupę pacjentów, u których szansa na diagnostyczną biopsję była bardzo wysoka, z prawie brakiem fałszywych alarmów w obu szpitalach. Ten próg sprzyja „zakwalifikowaniu” do biopsji osób, u których korzyść jest największa, co ma znaczenie, ponieważ biopsje są zabiegami inwazyjnymi. Wynik był szczególnie silny w wykrywaniu amyloidozy serca, schorzenia często wiążącego się z rozległymi zmianami w rezonansie i wyraźnie nieprawidłowymi badaniami krwi. Nawet po wyłączeniu przypadków amyloidozy wynik nadal przynosił korzyść netto w porównaniu z podejściem polegającym na biopsjowaniu wszystkich lub nikogo, szczególnie u osób z podejrzeniem innych chorób naciekowych lub zapalnych serca.

Co to oznacza dla pacjentów i lekarzy

Dla osób żyjących z zagadkową niewydolnością serca ta praca oferuje sposób na podejmowanie trudnych decyzji dotyczących biopsji w oparciu o dowody, a nie wyłącznie na zgadywaniu. Poprzez połączenie wzorców z rezonansu i powszechnych badań krwi w jasną skalę 0–100, wynik pomaga wskazać, kto najprawdopodobniej skorzysta na pobraniu tkanki serca, a kogo można prawdopodobnie oszczędzić ryzyka i stresu. Autorzy podkreślają, że wynik nie powinien zastępować oceny klinicznej ani nowszych badań nieinwazyjnych, lecz raczej służyć jako narzędzie wspomagające decyzję w przypadkach granicznych. W codziennej praktyce takie narzędzie mogłoby ograniczyć niepotrzebne zabiegi, skupić biopsje tam, gdzie są najbardziej informatywne, i ostatecznie przyspieszyć drogę do właściwego rozpoznania i leczenia pacjentów z niewyjaśnioną niewydolnością serca.

Cytowanie: Basile, C., Polte, C.L., Gentile, P. et al. Derivation and validation of a machine learning-driven score to predict the diagnostic yield of endomyocardial biopsy. npj Digit. Med. 9, 228 (2026). https://doi.org/10.1038/s41746-026-02421-y

Słowa kluczowe: niewydolność serca, biopsja serca, rezonans magnetyczny serca, uczenie maszynowe, amyloidoza serca